Bowel Obstruction Detection and Localization on Abdominal CT with Deep Learning
यह शोध पत्र एक नवीन डीप लर्निंग फ्रेमवर्क प्रस्तुत करता है जो पेट के सीटी स्कैन में आंत्र अवरोध (bowel obstructions) का पता लगाने और उनके ट्रांज़िशन ज़ोन को सटीक रूप से स्थानीयकृत करने, दोनों में उच्च सटीकता प्राप्त करता है, साथ ही एक स्लाइस के भीतर विशिष्ट संदिग्ध ट्रांज़िशन बिंदु की पहचान करने के लिए स्वाभाविक रूप से व्याख्या योग्य वर्गीकरण पद्धति को भी शामिल करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक जासूस हैं जो एक विशाल, त्रि-आयामी (three-dimensional) पुस्तकालय के भीतर एक रहस्य को सुलझाने की कोशिश कर रहे हैं। यह पुस्तकालय किताबों से नहीं बना है, बल्कि एक मरीज के शरीर के हजारों पतले, पारदर्शी स्लाइस (slices) से बना है, जो ताश की गड्डी की तरह एक के ऊपर एक रखे हुए हैं। डॉक्टर इस तरह से मानव शरीर के अंदर देखने के लिए इस तकनीक का उपयोग करते हैं, जिसे सीटी (CT) स्कैनर कहा जाता है। इस कहानी में "रहस्य" आंतों में रुकावट है, जिसे बाउल ऑब्स्ट्रक्शन (bowel obstruction) कहा जाता है। यह शरीर के भीतर एक व्यस्त राजमार्ग पर लगे ट्रैफिक जाम की तरह है; यदि गाड़ियाँ (भोजन और अपशिष्ट) नहीं चल पाती हैं, तो यह बहुत जल्दी बहुत खतरनाक हो सकता है।
इस रहस्य को सुलझाने के लिए, डॉक्टरों को आमतौर पर इस "पुस्तकालय" के हर एक "कार्ड" (या स्लाइस) को एक-एक करके देखना पड़ता है ताकि वे ठीक से पता लगा सकें कि ट्रैफिक जाम कहाँ शुरू होता है। इसे "ट्रांजिशन ज़ोन" (transition zone) ढूँढना कहा जाता है—वह विशिष्ट स्थान जहाँ सड़क चौड़ी और खुली से संकरी और अवरुद्ध हो जाती है। एक मानव जासूस के लिए यह बहुत अधिक काम है, और कभी-कभी, जब वे थक जाते हैं या पुस्तकालय बहुत बड़ा होता है, तो वे उस स्थान को मिस कर सकते हैं या उन्हें इसे खोजने में बहुत समय लग सकता है। यहीं पर कंप्यूटर विज्ञान काम आता है। वैज्ञानिकों ने कंप्यूटर को "सुपर-डिटेक्टिव" बनने के लिए प्रशिक्षित किया है, जिसे 'डीप लर्निंग' नामक तकनीक का उपयोग करके बनाया गया है। डीप लर्निंग को एक कंप्यूटर मस्तिष्क के रूप में समझें जो लाखों उदाहरणों को देखकर सीखता है, ठीक वैसे ही जैसे एक छात्र परीक्षा के लिए अध्ययन करता है, जब तक कि वह पैटर्न पहचानने में माहिर न हो जाए। बड़ा सवाल हमेशा यह रहा है कि क्या एक कंप्यूटर न केवल हमें यह बता सकता है कि वहाँ एक ट्रैफिक जाम है, बल्कि क्या वह बिना भ्रमित हुए, स्लाइस दर स्लाइस, ठीक उसी जगह पर अपनी उंगली भी उठा सकता है जहाँ वह है?
यह शोध पत्र इसी काम को करने के लिए डिज़ाइन किए गए एक नए, चतुर कंप्यूटर जासूस का परिचय देता है। शोधकर्ताओं ने एक ऐसी प्रणाली बनाई है जो केवल पूरे पुस्तकालय को देखकर यह नहीं कहती कि "हाँ, एक समस्या है" या "नहीं, सब ठीक है।" इसके बजाय, यह एक दो-चरणीय सहायक (two-step helper) के रूप में कार्य करती है। पहले, यह रोगी के स्कैन को देखती है कि क्या बाउल ऑब्स्ट्रक्शन मौजूद है। यदि उत्तर "हाँ" है, तो यह तुरंत अपना मोड बदल लेती है और एक खोज-और-ढूँढ विशेषज्ञ बन जाती है। यह सीटी स्कैन के सभी स्लाइसों की जांच करती है और उन्हें रैंक करती है, सबसे संदिग्ध स्लाइसों को सूची में सबसे ऊपर रखती है। यह एक ऐसे लाइब्रेरियन की तरह है जो आपको हर गलियारे में जाने के बजाय, उन शीर्ष 10 किताबों की सूची थमा देता है जहाँ सुराग मिलने की सबसे अधिक संभावना है।
टीम ने इस नए जासूस का परीक्षण एक अस्पताल के 1,427 वास्तविक रोगी स्कैन पर किया। परिणाम काफी उत्साहजनक थे। कंप्यूटर लगभग 93% मामलों में सही ढंग से पहचान सका कि रोगी को बाउल ऑब्स्ट्रक्शन था। लेकिन असली जादू खोज (search) में हुआ। जब कंप्यूटर को रुकावट मिली, तो उसने 95% रोगियों के लिए शीर्ष 10 अनुमानों के भीतर सही "ट्रैफिक जाम" वाले स्लाइस को सफलतापूर्वक इंगित किया। इससे भी बेहतर, अधिकांश रोगियों के लिए, सही स्लाइस वास्तव में शीर्ष 3 अनुमानों में था। इसका मतलब है कि एक डॉक्टर को सैकड़ों छवियों को देखने की आवश्यकता नहीं होगी; वे केवल कुछ सबसे संभावित उम्मीदवारों पर ध्यान केंद्रित कर सकते हैं।
शोधकर्ताओं ने अपने सिस्टम में एक विशेष "सत्य बताने वाला" (truth-telling) फीचर भी जोड़ा है। आमतौर पर, जब एक कंप्यूटर कहता है, "मुझे यहाँ रुकावट मिली है," तो यह जानना कठिन होता है कि वह ऐसा क्यों सोचता है। क्या वह सही जगह देख रहा है, या वह केवल किसी अजीब छाया के आधार पर अनुमान लगा रहा है? यह नया सिस्टम एक ऐसा तरीका उपयोग करता है जो कंप्यूटर को अपना काम दिखाने के लिए मजबूर करता है। यह सीखने में सक्षम है कि छवि के उस सूक्ष्म, विशिष्ट हिस्से को कैसे हाइलाइट किया जाए जिसने उसे निदान (diagnosis) के प्रति आश्वस्त किया, और बाकी सब को अनदेखा कर दे। अपने परीक्षणों में, इस "ईमानदार" कंप्यूटर ने एक स्लाइस के भीतर रुकावट के सटीक स्थान को केवल लगभग 5% से 10% छवि क्षेत्र का उपयोग करके सफलतापूर्वक पहचाना, और इसने 88% मामलों में इसे सही ढंग से किया।
हालाँकि, लेखक हमें सावधान भी करते हैं कि यह कहानी की शुरुआत मात्र है। कंप्यूटर को केवल एक अस्पताल के डेटा और विशिष्ट प्रकार के स्कैनर्स पर प्रशिक्षित और परीक्षण किया गया था। वे सुझाव देते हैं कि इस उपकरण को हर जगह उपयोग करने से पहले, इसे कई अलग-अलग अस्पतालों के रोगियों पर परखा जाना चाहिए ताकि यह सुनिश्चित हो सके कि यह केवल इस एक अध्ययन के लोगों के लिए ही नहीं, बल्कि सभी के लिए काम करता है। वे यह भी नोट करते हैं कि कंप्यूटर ने मानव डॉक्टरों के नोट्स से सीखा है, इसलिए यदि डॉक्टरों के बीच रुकावट के स्थान को लेकर असहमति थी, तो कंप्यूटर भी भ्रमित हो सकता था। हालाँकि परिणाम बताते हैं कि यह डॉक्टरों की मदद करने का एक शक्तिशाली नया तरीका है, लेकिन यह अभी मानव विशेषज्ञों को बदलने के लिए तैयार कोई अंतिम उत्पाद नहीं है। इसके बजाय, यह एक महत्वपूर्ण कदम है, जो यह दर्शाता है कि हम ऐसी मशीनें बना सकते हैं जो न केवल समस्या को पहचानती हैं, बल्कि हमें ठीक उसी जगह को खोजने में भी मदद करती हैं जहाँ वह है, जिससे संभावित रूप से समय बच सकता है और मरीजों को तेजी से आवश्यक देखभाल मिल सकती है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।